A) ustvarjanje vizualnih predstavitev podatkov. B) Preučitev razmerja med spremenljivkami. C) Povzetek kategoričnih podatkov. D) Izračunavanje povprečij številčnih podatkov.
A) Kako dobro se model ujema z opazovanimi podatki. B) Število spremenljivk v modelu. C) Velikost nabora podatkov. D) Vrsta uporabljenega statističnega testa.
A) Normalna porazdelitev ostankov B) Homoskedastičnost C) Neodvisnost opazovanj D) Linearnost
A) Kadar je model preveč preprost in nima zadostne napovedne moči. B) Kadar je model preveč zapleten in zajame šum v podatkih. C) Ko je model ravno pravšnji in se dobro posplošuje na nepoznane podatke. D) Kadar se model popolnoma prilega podatkom za usposabljanje, vendar je neuspešen pri novih podatkih.
A) ANOVA B) PCA C) Drevo odločanja D) Logistična regresija
A) Natančno prileganje modela podatkom za učenje. B) ustvarjanje novih vhodnih spremenljivk iz obstoječih podatkov za izboljšanje delovanja modela. C) Za avtomatizacijo celotnega postopka modeliranja. D) Odstranitev vseh vhodnih spremenljivk razen najpomembnejše.
A) Oceniti ustreznost logistične regresije. B) Ocenjevanje uspešnosti klasifikacijskega modela. C) Povzetek porazdelitve nabora podatkov. D) Preverjanje predpostavke o linearnosti v regresijskih modelih.
A) Test Chi-kvadrat B) Navzkrižno preverjanje C) Analiza glavnih komponent D) Regresijska analiza
A) Združevanje podobnih podatkovnih točk na podlagi vzorcev ali značilnosti. B) Izris podatkovnih točk v dvodimenzionalnem prostoru. C) Raziskovanje vzročno-posledičnih povezav. D) Ustvarjanje enega sestavljenega merila iz več spremenljivk. |